본 연구에서는 수정 선형예측방법으로 목표물의 신호를 정확히 추정하는 방법에 대해서 연구하였다. 선형예측방법은 임의의 안테나 배열소자를 다른 소자들과 선형 결합하여 도래방향 신호를 추정하는 방법이다. 수정 선형예측방법은 최적 가중치와 사후확률방법을 사용하였다. 모의실험을 이용하여 본 연구에서 제안한 방법과 Bartlett 및 MUSIC방법의 성능을 비교 분석하였다. 모의실험조건은 안테나 배열 소자 9개, 목표물 신호 4개[-5o, 0o, 5o, 10o]에서 방향을 추정한다. 모의실험에서 Bartlett과 MUSIC방법은 목표물 신호를 3개만 추정하였고, 본 연구에서 제안한 방법은 목표물 신호 4개를 모두 추정하였다. 본 연구에서 제안한 방법이 기존의 Bartlett 과 MUSIC방법보다 분해능이 우수함을 나타내었다.
본 연구에서는 수정 선형예측방법으로 목표물의 신호를 정확히 추정하는 방법에 대해서 연구하였다. 선형예측방법은 임의의 안테나 배열소자를 다른 소자들과 선형 결합하여 도래방향 신호를 추정하는 방법이다. 수정 선형예측방법은 최적 가중치와 사후확률방법을 사용하였다. 모의실험을 이용하여 본 연구에서 제안한 방법과 Bartlett 및 MUSIC방법의 성능을 비교 분석하였다. 모의실험조건은 안테나 배열 소자 9개, 목표물 신호 4개[-5o, 0o, 5o, 10o]에서 방향을 추정한다. 모의실험에서 Bartlett과 MUSIC방법은 목표물 신호를 3개만 추정하였고, 본 연구에서 제안한 방법은 목표물 신호 4개를 모두 추정하였다. 본 연구에서 제안한 방법이 기존의 Bartlett 과 MUSIC방법보다 분해능이 우수함을 나타내었다.
In this paper, we studied a modified linear prediction method to estimate target signal correctly. Linear prediction method estimate direction-of-arrival to linear combination for any antenna element and other antenna elements. Modified linear prediction used optimal weight and posterior probability...
In this paper, we studied a modified linear prediction method to estimate target signal correctly. Linear prediction method estimate direction-of-arrival to linear combination for any antenna element and other antenna elements. Modified linear prediction used optimal weight and posterior probability method. Through simulation, we are comparative analysis about the performance of proposed, bartlett and MUSIC method. From simulation, Bartlett and MUSIC method was estimation 3 targets signal, and proposed method estimated 4 targets. We showed the superior performance of the proposed algorithm relative to the classical method in order to estimate of target signals.
In this paper, we studied a modified linear prediction method to estimate target signal correctly. Linear prediction method estimate direction-of-arrival to linear combination for any antenna element and other antenna elements. Modified linear prediction used optimal weight and posterior probability method. Through simulation, we are comparative analysis about the performance of proposed, bartlett and MUSIC method. From simulation, Bartlett and MUSIC method was estimation 3 targets signal, and proposed method estimated 4 targets. We showed the superior performance of the proposed algorithm relative to the classical method in order to estimate of target signals.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 고유치 분해를 사용하지 않으면서 분해능을 향상시키기 위한 방법에 대해서 연구한다. 선형예측방법을 사용하여 복잡한 계산을 감소시키고 분해능을 증가시키기 위해서 최적 가중치 갱신과 사후확률 방법을 사용한다.
가설 설정
여기서 잡음은 평균이 0이고 분산이 σ2인 복소 가우스분포로 가정한다.
제안 방법
Bartlett 방법은 본 연구에서 제안한 가중치 갱신과 사후확률추정방법을 적용하였다. MUSIC방법은 본 연구에서 제안한 가중치 갱신과 사후확률추정 방법을 적용하지 않은 고유치 전개 및 고유치 분해를 사용하였다.
본 연구에서 제안한 추정 도래 방향은 선형예측 방법의 가중치를 일정한 값으로 설정 하지 않고 최적 가중치를 갱신하여 목표물의 신호를 추정한다. 안테나 배열 소자가 9개일 때 기존 Bartlett방법과 MUSIC 방법은 목표물 추정 도래방향 신호를 3개만 추정하였다.
본 연구에서는 목표물의 방향을 추정하기 위해서 최적가중치를 획득하고 선형예측방법에 적용하여 기존의 방법과 성능을 비교분석하였다. 일반적은 추정 도래방향 선형예측방법은 가중치를 일정하게 설정하여 목표물의 방향을 추정하지만, 본 연구에서는 최적 가중치를 적용하여 목표물의 추정방향 성능을 향상시켰다.
본 장에서는 사후확률검출방법을 이용하여 목표뮬의 방향을 추정하고자 한다. 수신시스템에서 m번째 신호는 다음과 같이 나타낼 수 있다[10].
대상 데이터
그림 3의 Bartlett방법은 목표물 신호 3개만을 추정하여 1개의 추정 신호 오차가 발생한 것을 알 수 있다. 목표물 신호 4개[-5o, 0o, 5o, 10o]중 3개[-5o, 5o, 10o]만 추정하여 [0o]에서 목표물을 소실하였다.
수신시스템은 선형 배열 안테나를 사용하였으며 안테나 배열 소자의 간격은 반 파장, 신호대잡음비는 20dB, 배열 안테나 소자는 9개, 스냅샷은 150회이며 4개[-5o, 0o, 5o, 10o]의 목표물 신호를 추정한다. 그림3은 Bartlett 방법에 의한 가중치 갱신 w = # 과 사후확률 방법 P(θ) = aH(θ)Ra(θ)/aH(θ)a(θ)을 적용하여 목표물의 방향을 추정한 그래프이다.
데이터처리
모의실험을 통해서 본 논문에서 제안된 추정 도래방향 방법의 성능을 확인하기 위해서 기존의 추정 도래방향 방법과 비교 분석한다. 기존 추정도래 방향 방법은 MUSIC과 Bartlett방법을 사용하며 본 연구에서의 Bartlett방법은 가중치 갱신과 사후확률 방법을 적용한 형태를 나타낸다.
본 장에서는 모의실험으로 기존 방법 과 본 논문에서 제안한 방법의 성능을 비교 분석한다. 기존의 방법은 Bartlett과 MUSIC방법을 사용하였다.
이론/모형
기존의 방법은 Bartlett과 MUSIC방법을 사용하였다. Bartlett 방법은 본 연구에서 제안한 가중치 갱신과 사후확률추정방법을 적용하였다. MUSIC방법은 본 연구에서 제안한 가중치 갱신과 사후확률추정 방법을 적용하지 않은 고유치 전개 및 고유치 분해를 사용하였다.
모의실험을 통해서 본 논문에서 제안된 추정 도래방향 방법의 성능을 확인하기 위해서 기존의 추정 도래방향 방법과 비교 분석한다. 기존 추정도래 방향 방법은 MUSIC과 Bartlett방법을 사용하며 본 연구에서의 Bartlett방법은 가중치 갱신과 사후확률 방법을 적용한 형태를 나타낸다.
본 장에서는 모의실험으로 기존 방법 과 본 논문에서 제안한 방법의 성능을 비교 분석한다. 기존의 방법은 Bartlett과 MUSIC방법을 사용하였다. Bartlett 방법은 본 연구에서 제안한 가중치 갱신과 사후확률추정방법을 적용하였다.
적응배열안테나는 안테나의 배열 소자를 이용하여 안테나 방사패턴의 빔을 조향할 수 있다[3]. 본 연구에서는 적응배열 안테나를 적용하고 추정 도래방향 방법은 선형예측(Linear Prediction)방법을 사용한다. 선형예측방법은 시간축상에서 사용된 자동 퇴행(Auto Regressive)방법을 공간축상에 적용한 것이다[4].
본 논문에서는 고유치 분해를 사용하지 않으면서 분해능을 향상시키기 위한 방법에 대해서 연구한다. 선형예측방법을 사용하여 복잡한 계산을 감소시키고 분해능을 증가시키기 위해서 최적 가중치 갱신과 사후확률 방법을 사용한다.
성능/효과
그림 5는 본 논문에서 식(15)와 식(22)를 이용하여 제안한 가중치 갱신과 사후확률 추정방법을 선형예측방법에 적용하여 목표물을 추정한 그래프이다. 목표물 신호 4개[-5o, 0o, 5o, 10o]를 모두 추정하여 본 연구에서 제안한 방법이 기존방법보다 목표물의 분해능 성능이 향상된 것을 알 수 있다.
4개의 목표물을 정확히 추정하지 못하여 추정 도래방향 분해능 성능이 저하된 것을 알 수 있다. 본 연구에서 제안한 방법은 4개의 목표물을 정확히 추정하여 Bartlett과 MUSIC 방법보다 분해능이 향상되었음을 입증하였다.
본 연구에서는 목표물의 방향을 추정하기 위해서 최적가중치를 획득하고 선형예측방법에 적용하여 기존의 방법과 성능을 비교분석하였다. 일반적은 추정 도래방향 선형예측방법은 가중치를 일정하게 설정하여 목표물의 방향을 추정하지만, 본 연구에서는 최적 가중치를 적용하여 목표물의 추정방향 성능을 향상시켰다.
질의응답
핵심어
질문
논문에서 추출한 답변
선형예측방법이란?
본 연구에서는 수정 선형예측방법으로 목표물의 신호를 정확히 추정하는 방법에 대해서 연구하였다. 선형예측방법은 임의의 안테나 배열소자를 다른 소자들과 선형 결합하여 도래방향 신호를 추정하는 방법이다. 수정 선형예측방법은 최적 가중치와 사후확률방법을 사용하였다.
수정 선형예측방법은 무엇을 사용하였는가?
선형예측방법은 임의의 안테나 배열소자를 다른 소자들과 선형 결합하여 도래방향 신호를 추정하는 방법이다. 수정 선형예측방법은 최적 가중치와 사후확률방법을 사용하였다. 모의실험을 이용하여 본 연구에서 제안한 방법과 Bartlett 및 MUSIC방법의 성능을 비교 분석하였다.
본 연구의 수정 선형예측방법으로 목표물의 신호를 정확히 추정하는 방법은 Bartlett과 MUSIC방법보다 어떤 면에서 우수함을 나타내는가?
모의실험에서 Bartlett과 MUSIC방법은 목표물 신호를 3개만 추정하였고, 본 연구에서 제안한 방법은 목표물 신호 4개를 모두 추정하였다. 본 연구에서 제안한 방법이 기존의 Bartlett 과 MUSIC방법보다 분해능이 우수함을 나타내었다.
참고문헌 (10)
I.J.Gupta,J.A.Ulrey, and E.H.Newman, "Antenna element bandwidth and adaptive array performance". IEEE Antennas and Propagation Society International Symposium, Vol.1B, pp.295-298, July, 2005
M.Wennstrom, T.Oberg,, and A.Rydberg, "Effects of finite weight resolution and calibration errors on the performance of adaptive array antennas", IEEE Trans on Aerospace and Electronic Systems, Vol.37, No.2, Apr, pp.549-562, 2001
S.Rao and W.A.Pearlman, "Analysis of linear prediction, coding ,and spectral estimation from subbands", IEEE Trans on Information Theory, Vol.42, No.4, pp.1160-1178, Jul, 1996.
N.Le Bihan, S.Miron, and J.I.Mars, "MUSIC Algo rithm for Vector-sensors Array using Biquaternions", IEEE Trans on signal Processing, Vol.55, No.9, PP.4523-4533, Sep, 2007
P.Maragos, R.Schafer, and R.Mersereau, "Two- dimensional linear prediction and its application to adaptive predictive coding of images", IEEE TRans on Acoustics, speech, and signal processing, Vol.32, No.6, pp.1213-1229, Dec, 1984.
B. Allen and M. Ghavarri, "Adaptive Array Sys tem", Wiley, Feb, 2005.
R.M.Gray and A. Macovski, "Maximum a Posteriori Estimaion of Position in scintillation cameras", IEEE Trans on Nuclear Science, Vol.23, No.1, pp.849-852, Feb 1976.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.